自動(dòng)駕駛太難的因果

近日，特斯拉汽車(chē)的馬斯克說(shuō)自動(dòng)駕駛太難了，將現在的自動(dòng)駕駛的人工智能（AI）責任推脫給學(xué)術(shù)界：“學(xué)術(shù)界沒(méi)有將AI變成真正的智能”。

一、現主流AI是炒作出來(lái)的

事實(shí)上，目前包括應用在自動(dòng)駕駛的AI算法，占AI算法主流的深度學(xué)習算法不是學(xué)術(shù)界推出的，而是商業(yè)炒作出來(lái)的。多年前谷歌等國際大公司就看準應用深度學(xué)習算法需要無(wú)限的算力，大有賣(mài)他們GPU的商機，便大力制造本來(lái)深度學(xué)習在其中作不大的的機器人戰勝人類(lèi)最高棋手等轟動(dòng)新聞，大肆宣傳深度學(xué)習的威力，并投巨資建立起便于學(xué)習和可照貓畫(huà)虎地在簡(jiǎn)單應用場(chǎng)景確實(shí)有效的深度學(xué)習的開(kāi)源程序等開(kāi)發(fā)環(huán)境，同時(shí)用多種方式和渠道大批量培訓出各層次的相關(guān)技術(shù)人員，最終將深度學(xué)習炒作成為充滿(mǎn)世界的讓一大批人頂拜的AI算法?？梢哉f(shuō)，當今的中國人工智能也被深度學(xué)習深深的綁架?？匆幌略趪鴥冉虒W(xué)、科研、評獎、揭榜等等；在產(chǎn)業(yè)園、科技園、示范區、引導區處處都是在以深度學(xué)習為主，甚至在被獨尊。

  人工智能算法出現此種怪象有多種可能，最好的可能是有好的人工智能算法在國家尖端領(lǐng)域已在秘密研制和使用。最不好的可能是因深度學(xué)習受獨寵，好的人工智能算法一直在被排斥或封殺。

二、自動(dòng)駕駛為何太難

如此被獨寵的深度學(xué)習的真實(shí)情況是什么樣呢？經(jīng)多年來(lái)實(shí)踐，已有許多專(zhuān)家、院士、技術(shù)人員指出深度學(xué)習是存在魯棒性差、不可解釋、有NP問(wèn)題等較多缺陷，特別是還有致命的黑箱存在的大模型、大數據、大硬件的AI算法。因此，連深度學(xué)習的發(fā)明人Hinton教授都早在2017年因無(wú)法解決深度學(xué)習存在的嚴重的缺陷，公開(kāi)宣布放棄深度學(xué)習，要推倒重來(lái)。但是，廣大的用戶(hù)并不了解詳情，不免遭受強大資本的作用和利益驅動(dòng)的推廣單位和人員的蠱惑，大量在使用深度學(xué)習。

客觀(guān)講，深度學(xué)習在學(xué)術(shù)上比以專(zhuān)家庫為主的上一代AI是有進(jìn)步的，特別是在人臉識別、語(yǔ)音識別等應用場(chǎng)景比較簡(jiǎn)單、數據量不很大的應用中還是有效果，所以有較大的迷惑性。但是，深度學(xué)習在處理復雜場(chǎng)景和大數據量應用需求時(shí)，就不能勝任，甚至錯誤頻出。由于自動(dòng)駕駛的巨復雜性，就不可避免地成為受深度學(xué)習應用影響最大的重災區。想用深度學(xué)習完成自動(dòng)駕駛，自然是難上加難。

三、深度學(xué)習在自動(dòng)駕駛很難有果

如同古人想學(xué)鳥(niǎo)飛翔，試圖人造翅膀飛，但都未能如愿飛遠?，F代人依據空氣動(dòng)力學(xué)，造出與鳥(niǎo)不一樣的飛機實(shí)現了飛翔。深度學(xué)習較以往AI算法先進(jìn)的是仿人腦建的神經(jīng)網(wǎng)絡(luò )。但所建的神經(jīng)網(wǎng)絡(luò )要將需分類(lèi)識別的場(chǎng)景數據都要一一對應事先進(jìn)行機器學(xué)習，不具備人腦的舉一反三的思維和糾錯能力，如果缺少數據或數據有錯就不能準確分類(lèi)識別。為達到對所提供場(chǎng)景的數據分類(lèi)識別準確，對許多復雜數據，深度學(xué)習還需人手工做標注后供機器學(xué)習識別，遠達不到完全自動(dòng)機器學(xué)習。

深度學(xué)習是通過(guò)規則判斷讓自動(dòng)駕駛汽車(chē)行駛的。由于，自動(dòng)駕駛汽車(chē)應正常在世界各種道路上行駛，但所遇到的路況和天氣等隨時(shí)都要發(fā)生千變萬(wàn)化，對每一種情況都相應地制定出規則讓深度學(xué)習事先機器學(xué)習是很難的，也是幾乎不可能的。所以谷歌、特斯拉等國際大公司都在投巨資和大量人力在讓汽車(chē)按數以萬(wàn)公里地去跑路，以求囊括他們的自動(dòng)駕駛汽車(chē)可能遇到的一切情況，制訂出相應的規則讓機器事先學(xué)習。但是，事實(shí)證明，深度學(xué)習的這種要求數據或對應規則一個(gè)都不能錯和少的機器學(xué)習的分類(lèi)識別要求，無(wú)論讓自動(dòng)駕駛汽車(chē)跑多少路都不可能全遇到可能出現的路況和場(chǎng)景，靠人苦想也想不全。所以，這問(wèn)題是馬斯克發(fā)出“自動(dòng)駕駛太難”呼聲的主因。

更讓人生畏的是，深度學(xué)習存在的黑箱隨時(shí)會(huì )出現讓機器死機。因此，谷歌已經(jīng)宣布深度學(xué)習應用退出工業(yè)控制。黑箱在工業(yè)控制上出現只會(huì )使機器或生產(chǎn)線(xiàn)可能損壞，但如在自動(dòng)駕駛上出現，不僅是可能車(chē)毀，人也可能傷亡。用戶(hù)一旦知情，會(huì )有多少人愿買(mǎi)應用深度學(xué)習的自動(dòng)駕駛汽車(chē)呢？

四、自動(dòng)駕駛的路在何方

既然深度學(xué)習在自動(dòng)駕駛的應用很難有果，為什么那些研發(fā)自動(dòng)駕駛的團隊不及時(shí)停步呢？為什么有一些單位現在還在加入自動(dòng)駕駛的隊列中去呢？原因是這些團隊的領(lǐng)導們還沒(méi)有完全了解深度學(xué)習存在的嚴重缺陷和可怕的黑箱問(wèn)題，一般都是在跟風(fēng)或聽(tīng)專(zhuān)家話(huà)決策。又因其中有少數單位已通過(guò)炒作，在金融和各種補貼中得到豐厚的回報，也起到很大的吸引作用。經(jīng)多年的研發(fā)，大多數單位雖然已感到做自動(dòng)駕駛很難，但因已投入巨大資源不好交代，處于騎虎難下?tīng)顟B(tài)，只得硬著(zhù)頭皮在繼續著(zhù)。但是，隨著(zhù)時(shí)間的延長(cháng)他們等來(lái)的可能是更大的損失。

新的高效可靠的AI算法應用將是當前自動(dòng)駕駛尋求的繼續發(fā)展之路。中國嵌入式系統產(chǎn)業(yè)聯(lián)盟理事、天津市阿波羅信息技術(shù)有限公司和阿波羅（日本）株式會(huì )社首席科學(xué)家顧澤蒼博士（中國籍）在業(yè)內最先發(fā)表論文指出深度學(xué)習存在的缺陷，并依據自己在日本從事三十多年人工智能積累的經(jīng)驗，針對深度學(xué)習的缺陷獨自創(chuàng )新發(fā)明出小模型、小數據、小硬件的沒(méi)有黑箱的自律學(xué)習SDL算法，就是一種高效可靠的AI通用算法。

自律學(xué)習SDL算法自2018年8月在北京世界機器人大會(huì )上正式發(fā)布以來(lái)，經(jīng)近三年多的的實(shí)踐檢驗，已證明是可廣泛在包括工業(yè)控制和嵌入式系統在內的許多人工智能應用領(lǐng)域的新一代AI算法。特別是顧博士率20多人的小團隊，使用不到2000萬(wàn)資金在半年多的時(shí)間就研制出在自動(dòng)駕駛的感知、決策和控制都用自己發(fā)明的SDL算法全部用人工智能實(shí)現，并經(jīng)一年多的路測表明各項指標都達到世界領(lǐng)先水平。顧博士團隊近日還向社會(huì )承諾，如融到資金可在三個(gè)月研制出不用工控機，全部都用模塊的分布式系統做到不靠“算力”，而靠“智力”實(shí)現自我超越的又以新的世界新領(lǐng)先水平的自動(dòng)駕駛汽車(chē)。如融到資金，該團隊還可在6個(gè)月研制出達到人駕駛IQ的新一代自動(dòng)駕駛汽車(chē)。顧博士團隊要研制的新一代自動(dòng)駕駛汽車(chē)，將以按駕校教的駕駛規則教機器學(xué)習，配不同類(lèi)型人、路況和天氣等場(chǎng)景的最佳駕駛規則，并不依賴(lài)高精地圖可在各種道路滿(mǎn)足安全正常行駛的需求為目標。這不就是當今自動(dòng)駕駛追求的目標和要走的發(fā)展之路嗎？